Sokan hajlamosak lebecsülni a mesterséges intelligenciával segített kódolás biztonsági kockázatait, pedig ez az egyik legkritikusabb kihívás a modern szoftverfejlesztésben. A videóban szerzett tapasztalatok alapján bemutatásra kerül, hogy az AI-kódolási asszisztensek hogyan okozhatnak sebezhetőségeket a kódban vagy harmadik féltől származó könyvtárak révén.
Felmerül a kérdés, vajon elegendő-e, ha egy külön AI-ügynök ellenőrzi a kódot, vagy szükség van egy szigorúbb, determinisztikusabb folyamatra is? A munkafolyamatok vizsgálata során figyelem irányul azokra a pontokra, ahol az AI-ágensek a gyorsabb eredmények vagy nem megfelelő tanítási adathalmaz miatt hajlamosak kihagyni alapvető biztonsági ellenőrzéseket.
Érdekes fejtegetések kapnak helyet arról, hogyan lehet egy egyszerűbb, automatizált „kapu” beépítésével rendszeresen és garantáltan észlelni ismert sebezhetőségeket. A SonarQube és az Arkon nevű eszközök konkrét szerepén keresztül betekintést nyerünk abba, hogyan lehet ezeket a folyamatos, ismételhető ellenőrzési lépéseket bevezetni az AI-alapú napi fejlesztési folyamatba.
A tartalom a tipikus hibaforrások mellett abba is bepillantást nyújt, hogy a CVE-adatbázis (közös sebezhetőségek és kitettségek listája) milyen óriási mennyiségű problémát rejt, amelyet ember és gép számára is nehéz teljesen átlátni – ezért is kiemelten fontos a konszolidált, automatizált rendszer bevezetése a fejlesztési életciklus minden egyes lépésére.
